CN112258386A - 图像变形加速处理方法及装置、电子设备和可读存储介质 - Google Patents
图像变形加速处理方法及装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN112258386A CN112258386A CN202011159599.5A CN202011159599A CN112258386A CN 112258386 A CN112258386 A CN 112258386A CN 202011159599 A CN202011159599 A CN 202011159599A CN 112258386 A CN112258386 A CN 112258386A
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- subblock
- data set
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001133 acceleration Effects 0.000 title claims abstract description 37
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000638 solvent extraction Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 69
- 238000013507 mapping Methods 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000007792 addition Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 3
- 108010001267 Protein Subunits Proteins 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像变形加速处理方法及装置、电子设备和可读存储介质,该方法包括建立数据集,数据集中包括至少一个子块范围和每个子块范围对应的第一函数;新建空白图像,并根据数据集中的子块范围对空白图像进行分块,得到多个子块范围;通过查询数据集得到每个子块范围对应的第一函数;将子块范围中的每个像素点,代入第一函数求得原始图像对应的近似坐标;将近似坐标的像素值赋值于空白图像,得到变形后的输出图像。本公开使用简单的多项式在局部替代复杂的图像处理公式,以实现在不降低准确性的同时提高算法的实时性。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种适配可编程控制器的图像变形加速处理方法及装置、电子设备和可读存储介质。
背景技术
图像变形是图像处理领域的基础操作,在图像匹配、图像配准以及各种图像预处理中被广泛使用。
现有的图像变形方法大多使用函数映射的方式,这样的方法最大的缺点就是:大多数映射函数都包含复杂的数学运算,例如除法运算、指数运算、对数运算等等。而对于处理器来说,这些复杂运算会导致程序运行缓慢,甚至无法满足实时性。
因此,目前很亟需提供一种能够加速图像变形的处理方法。
发明内容
(一)要解决的技术问题
本公开提供了一种图像变形加速处理方法及装置、电子设备和可读存储介质,以解决以上所提出的技术问题。
(二)技术方案
根据本公开的一个方面,提供了一种图像变形加速处理方法,包括:
建立数据集,所述数据集中包括至少一个子块范围和每个所述子块范围对应的第一函数;
新建空白图像,并根据所述数据集中的子块范围对所述空白图像进行分块,得到多个子块范围;
通过查询数据集得到每个所述子块范围对应的第一函数;
将所述子块范围中的每个像素点,代入所述第一函数求得原始图像对应的近似坐标;
将近似坐标的像素值赋值于所述空白图像,得到变形后的输出图像。
在本公开的一些实施例中,所述数据集的建立包括:
将训练输出图像分成多个子块,其中训练输出图像是训练输入图像通过一个第二函数映射产生的变形图像;
对所述训练输出图像中的每个所述子块拟合第一函数,并选择任一子块作为中心子块;
将所述中心子块和与所述中心子块相邻的子块进行合并,得到所述子块区域;
对所述子块区域重新拟合第一函数,并计算所述子块区域的映射误差,所述映射误差为所述训练输入图像通过一个第二函数映射产生的映射损失和所述训练输入图像通过一个第一函数映射产生的映射损失的差值;
判断所述映射误差是否小于预设误差;
所述映射误差小于预设误差,则保存所述子块区域;
判断是否已经访问与所述子块区域相邻的全部所述子块;
未访问所述中心子块相邻的全部所述子块,则返回至将所述中心子块和与所述中心子块相邻的子块进行合并,得到子块区域,继续更新所述子块区域。
在本公开的一些实施例中,判断所述映射误差是否小于预设误差后还包括:
所述映射误差大于预设误差,则判断是否已经访问与所述中心子块相邻的全部所述子块;
已经访问所述中心子块相邻的全部所述子块,则将最终合并后的所述子块区域和最终合并后的所述子块区域对应的第一函数存入数据集。
在本公开的一些实施例中,所述第一函数采用最小二乘法来拟合一个二元多项式;所述第一函数仅包括定点数的加乘法运算;所述第二函数至少包括浮点数的加乘法、除法、指数、对数运算。
在本公开的一些实施例中,所述子块个数为
其中,w为训练输出图像的长,h为训练输出图像的宽,m为子块的长,n为子块的宽。
在本公开的一些实施例中,m和n为4的整倍数。
根据本公开的一个方面,提供了一种图像变形加速处理装置,包括:
数据集建立模块,用于建立数据集;所述数据集中包括至少一个子块范围和每个所述子块范围对应的第一函数;
图片分割模块,用于根据所述数据集中的子块范围对所述空白图像进行分块,得到多个子块范围;
查询模块,用于通过查询数据集得到每个所述子块范围对应的第一函数;
计算模块,用于将所述子块范围中的每个像素点,代入所述第一函数求得原始图像对应的近似坐标;
输出模块,用于将近似坐标的像素值赋值于所述空白图像,得到变形后的输出图像。
根据本公开的一个方面,提供了一种电子设备,包括:
一个或多个可编程控制器;
存储器,用于存储一个或多个指令;
其中,当所述一个或多个指令被所述一个或多个可编程控制器执行时,使得所述一个或多个可编程控制器实现如上所述的方法。
根据本公开的一个方面,提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被可编程控制器执行时使可编程控制器实现如上所述的方法。
(三)有益效果
从上述技术方案可以看出,本公开图像变形加速处理方法及装置、电子设备和可读存储介质至少具有以下有益效果其中之一或其中一部分:
本公开使用简单的多项式在局部替代复杂的图像处理公式,以实现在不降低准确性的同时提高算法的实时性。
附图说明
图1示意性示出了可以应用本公开的图像变形加速处理方法和装置的示例性系统架构;
图2示意性示出了根据本公开一实施例的图像变形加速处理方法的流程图。
图3示意性示出了根据本公开一实施例中数据集的建立的流程图。
图4示意性示出了根据本公开一实施例中图像变形加速处理方法的子块合并过程示意图。
图5示意性示出了根据本公开一实施例中图像变形加速处理方法的子块合并结果示意图。
图6示意性示出了根据本公开的实施例的图像变形加速处理装置的框图。
图7示意性示出了根据本公开实施例的适于实现图像变形加速处理方法的计算机系统的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种图像变形加速处理方法及装置、电子设备和可读存储介质。该方法包括建立数据集,数据集中包括至少一个子块范围和每个子块范围对应的第一函数;新建空白图像,并根据数据集中的子块范围对空白图像进行分块,得到多个子块范围;通过查询数据集得到每个子块范围对应的第一函数;将子块范围中的每个像素点,代入第一函数求得原始图像对应的近似坐标;将近似坐标的像素值赋值于空白图像,得到变形后的输出图像。
图1示意性示出了根据本公开实施例的可以应用本公开图像变形加速处理方法和装置的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的图像变形加速处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的图像变形加速处理装置一般可以设置于服务器105中。本公开实施例所提供的图像变形加速处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像变形加速处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者,本公开实施例所提供的图像变形加速处理方法也可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的图像变形加速处理装置也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
例如,待处理的原始图像可以原本存储在终端设备101、102、或103中的任意一个(例如,终端设备101,但不限于此)之中,或者存储在外部存储设备上并可以导入到终端设备101中。然后,终端设备101可以在本地执行本公开实施例所提供的图像变形加速处理方法,或者将待处理的原始图像发送到其他终端设备、服务器、或服务器集群,并由接收该待处理图像的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的图像变形加速处理方法。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开一实施例的图像变形加速处理方法的流程图。
如图2所示,图像变形加速处理方法包括操作S201~S205。
在操作S201,建立数据集,所述数据集中包括至少一个子块范围和每个所述子块范围对应的第一函数。
具体的,图3示意性示出了根据本公开一实施例中数据集的建立的流程图。
如图3所示,数据集的建立包括操作S2011~S201
在目前现有的图像变形处理训练过程中的输入图像与输出图像的像素往往不是一一对应的。如果用输入图像的像素坐标变换到输出图像的像素坐标,则经常会造成像素不连续的情况。因此,一般图像变换使用f(x,y)的逆变换f′(u,v),对输出图像的每个像素在输入图像中查找其对应像素值。即
(x,y)=f′(u,v)
Pout(u,v)=Pin(x,y)
其中,Pout(u,v)为输出图像,Pin(x,y)为输入图像,f′(u,v)为图像空间逆变换函数。
但是图像空间逆变换函数f′(u,v)通常是一个非常复杂的函数,可能包含指数、对数、除法等等复杂运算。上述复杂运算在可编程控制器上的计算时间比简单的加法和乘法要多几千倍。
为了解决这个问题,本公开采用一个只包含加法和乘法的第一函数替代复杂的图像空间逆变换函数f′(u,v)。这里的第一函数相当于一个简单函数,该简单函数仅包括定点数(整型数)的加乘法运算。由于图像空间逆变换函数f′(u,v)的复杂性,一个简单函数显然无法很好地拟合图像空间逆变换函数f′(u,v)在全局的特性,为了处理这样的问题,本申请将图像分为一些矩形子块,在每个子块中用仅包含加法和乘法且只有少量参数的简单公式拟合图像空间逆变换函数f′(u,v)在子块中的特性。
操作S2011,将训练输出图像分成多个子块,其中训练输出图像是训练输入图像通过一个第二函数映射产生的变形图像。这里第二函数相当于一个复杂函数,该复杂函数至少包括浮点数的加乘法、除法、指数、对数运算。
具体的,训练输出图像B(u,v)是训练输入图像A(x,y)通过一个映射公式f(x,y)产生的变形图像,在图像处理中常见于但不仅限于仿射变换、畸变处理等等领域。
将训练输出图像B(u,v)用水平分割线和/或垂直分割线分割成m*n的矩形子块,子块与子块之间无重叠部分。
操作S2012,对所述训练输出图像中的每个所述子块拟合第一函数,并选择任一子块作为中心子块。
例如一张图被划分为z个子块,对于每个子块用最小二乘法来拟合一个二元多项式作为第一函数。在实际应用中,可以自由地选择二元多项式,只要我们保证其只包含乘法与加法即可。例如,我们可以采用如下公式:
X=a0+a1*u+a2*v+a3*u*v+a4*u2+a5*v2
y=b0+b1*u+b2*v+b3*u*v+b4*u2+b5*v2
因此基于当前子块,可以将将原先复杂的(x,y)=f’(u,v)转换成仅由10个参数组成,且仅有10个加法和18个乘法的第一函数。
操作S2013,将所述中心子块和与所述中心子块相邻的子块进行合并,得到所述子块区域。
如图4所示,图中置灰的子块表示为中心子块可以分别和与所述中心子块相邻的子块1、2、3、4共四个相邻子块合并,箭头指向的合并后的示例图像中假设中心子块与相邻的子块2合并后,映射误差小于d并且是四个方向中最小的,那么将进行合并得到一个子块区域。
操作S2014,对所述子块区域重新拟合第一函数,并计算所述子块区域的映射误差。需要说明的是,所述映射误差为所述训练输入图像通过一个第二函数映射产生的映射损失和所述训练输入图像通过一个第一函数映射产生的映射损失的差值。
操作S2015,判断所述映射误差是否小于预设误差。预设误差可以根根据具体情况设置,例如预设误差设置为0.1、0.2……,这里不再一一例举。
操作S2016,所述映射误差小于预设误差,则保存所述子块区域。
操作S2017,判断是否已经访问与所述子块区域相邻的全部所述子块。
操作S2018,未访问所述中心子块相邻的全部所述子块,则返回至操作S2013,继续更新所述子块区域。
在数据集的建立另一实施例中,在操作S2015后还包括:
操作S2019,所述映射误差大于预设误差,则判断是否已经访问与所述中心子块相邻的全部所述子块。
操作S2020,已经访问所述中心子块相邻的全部所述子块,则将最终合并后的所述子块区域和最终合并后的所述子块区域对应的第一函数存入数据集。如图5所示,合并后的子块区域公用一个第一函数,这样可以使数据集中的参数进一步减小。
需要说明的是,操作S2016与操作S2020中两个存储还是有区别的。其中,操作S2016是一个局部保存的变量,而操作S2020保存的是求得最优解,这个步骤将最优解保存到数据集中供后续查找。
在操作S202,新建空白图像,并根据所述数据集中的子块范围对所述空白图像进行分块,得到多个子块范围。
在操作S203,通过查询数据集得到每个所述子块范围对应的第一函数。
在操作S204,将所述子块范围中的每个像素点,代入所述第一函数求得原始图像对应的近似坐标。
在操作S205,将近似坐标的像素值赋值于所述空白图像,得到变形后的输出图像。
具体的,当空白图像中的每个像素点遍历查找完成后,即得到变形后的输出图像,对变形后的输出图像进行双线性插值以减轻映射公式简化带来的坐标映射误差。
对于每张新图片,只要我们需要对其进行图像变形公式f(x,y)的图像变形,都可以通过查询数据集进行简便运算。需要注意的是数据集和图像变形公式是一一对应关系,如果更换图像变形公式,则需重新计算数据集。
本实施例使用简单且仅包含定点数运算的多项式在局部替代包含浮点运算、除法、指数运算等复杂运算的图像处理公式,使得任意包含以上运算的算法可以在FPGA等仅能进行定点数运算的设备上运行,并在不降低准备性的同时提高算法的实时性。
图6示意性示出了根据本公开的实施例的图像变形加速处理装置的框图。
如图6所示,图像变形加速处理装置600包括数据集建立模块610、图片分割模块620、查询模块630、计算模块640和输出模块650。
数据集建立模块610用于建立数据集;数据集中包括至少一个子块范围和每个所述子块范围对应的第一函数。
图片分割模块620用于根据所述数据集中的子块范围对所述空白图像进行分块,得到多个子块范围。
查询模块630用于通过查询数据集得到每个所述子块范围对应的第一函数。
计算模块640用于将所述子块范围中的每个像素点,代入所述第一函数求得原始图像对应的近似坐标。
输出模块650用于将近似坐标的像素值赋值于所述空白图像,得到变形后的输出图像。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,数据集建立模块610、图片分割模块620、查询模块630、计算模块640和输出模块650中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,数据集建立模块610、图片分割模块620、查询模块630、计算模块640和输出模块650中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,数据集建立模块610、图片分割模块620、查询模块630、计算模块640和输出模块650中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中数据处理系统部分与本公开的实施例中数据处理方法部分是相对应的,数据处理系统部分的描述具体参考数据处理方法部分,在此不再赘述。
图7示意性示出了根据本公开实施例的适于实现图像变形加速处理方法的计算机系统的框图。图7示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,根据本公开实施例的计算机系统700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有系统700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种图像变形加速处理方法,包括:
建立数据集,所述数据集中包括至少一个子块范围和每个所述子块范围对应的第一函数;
新建空白图像,并根据所述数据集中的子块范围对所述空白图像进行分块,得到多个子块范围;
通过查询数据集得到每个所述子块范围对应的第一函数;
将所述子块范围中的每个像素点,代入所述第一函数求得原始图像对应的近似坐标;
将近似坐标的像素值赋值于所述空白图像,得到变形后的输出图像。
2.根据权利要求1所述的图像变形加速处理方法,其中,所述数据集的建立包括:
将训练输出图像分成多个子块,其中训练输出图像是训练输入图像通过一个第二函数映射产生的变形图像;
对所述训练输出图像中的每个所述子块拟合第一函数,并选择任一子块作为中心子块;
将所述中心子块和与所述中心子块相邻的子块进行合并,得到所述子块区域;
对所述子块区域重新拟合第一函数,并计算所述子块区域的映射误差,所述映射误差为所述训练输入图像通过一个第二函数映射产生的映射损失和所述训练输入图像通过一个第一函数映射产生的映射损失的差值;
判断所述映射误差是否小于预设误差;
所述映射误差小于预设误差,则保存所述子块区域;
判断是否已经访问与所述子块区域相邻的全部所述子块;
未访问所述中心子块相邻的全部所述子块,则返回至将所述中心子块和与所述中心子块相邻的子块进行合并,得到子块区域,继续更新所述子块区域。
3.根据权利要求2所述的图像变形加速处理方法,其中,判断所述映射误差是否小于预设误差后还包括:
所述映射误差大于预设误差,则判断是否已经访问与所述中心子块相邻的全部所述子块;
已经访问所述中心子块相邻的全部所述子块,则将最终合并后的所述子块区域和最终合并后的所述子块区域对应的第一函数存入数据集。
4.根据权利要求1所述的图像变形加速处理方法,其中,所述第一函数采用最小二乘法来拟合一个二元多项式;所述第一函数仅包括定点数的加乘法运算;所述第二函数至少包括浮点数的加乘法、除法、指数、对数运算。
7.根据权利要求5所述的图像变形加速处理方法,其中,m和n为4的整倍数。
8.一种图像变形加速处理装置,包括:
数据集建立模块,用于建立数据集;所述数据集中包括至少一个子块范围和每个所述子块范围对应的第一函数;
图片分割模块,用于根据所述数据集中的子块范围对所述空白图像进行分块,得到多个子块范围;
查询模块,用于通过查询数据集得到每个所述子块范围对应的第一函数;
计算模块,用于将所述子块范围中的每个像素点,代入所述第一函数求得原始图像对应的近似坐标;
输出模块,用于将近似坐标的像素值赋值于所述空白图像,得到变形后的输出图像。
9.一种电子设备,包括:
一个或多个可编程控制器;
存储器,用于存储一个或多个指令;
其中,当所述一个或多个指令被所述一个或多个可编程控制器执行时,使得所述一个或多个可编程控制器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被可编程控制器执行时使可编程控制器实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159599.5A CN112258386A (zh) | 2020-10-26 | 2020-10-26 | 图像变形加速处理方法及装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159599.5A CN112258386A (zh) | 2020-10-26 | 2020-10-26 | 图像变形加速处理方法及装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258386A true CN112258386A (zh) | 2021-01-22 |
Family
ID=74261614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011159599.5A Pending CN112258386A (zh) | 2020-10-26 | 2020-10-26 | 图像变形加速处理方法及装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258386A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830044A (zh) * | 2023-01-10 | 2023-03-21 | 广东省测绘产品质量监督检验中心 | 一种图像分割方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5818962A (en) * | 1995-04-21 | 1998-10-06 | Mitsubishi Denki Kabushiki Kaisha | Coordinate transformation method for binary image |
CN101453555A (zh) * | 2007-11-30 | 2009-06-10 | 上海复旦上科多媒体有限公司 | 一种加速图像变形融合运算速度的方法 |
CN109087238A (zh) * | 2018-07-04 | 2018-12-25 | 北京市商汤科技开发有限公司 | 图像处理方法和装置、电子设备以及计算机可读存储介质 |
CN111369446A (zh) * | 2018-12-26 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 一种图像旋转方法及装置 |
-
2020
- 2020-10-26 CN CN202011159599.5A patent/CN112258386A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5818962A (en) * | 1995-04-21 | 1998-10-06 | Mitsubishi Denki Kabushiki Kaisha | Coordinate transformation method for binary image |
CN101453555A (zh) * | 2007-11-30 | 2009-06-10 | 上海复旦上科多媒体有限公司 | 一种加速图像变形融合运算速度的方法 |
CN109087238A (zh) * | 2018-07-04 | 2018-12-25 | 北京市商汤科技开发有限公司 | 图像处理方法和装置、电子设备以及计算机可读存储介质 |
CN111369446A (zh) * | 2018-12-26 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 一种图像旋转方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830044A (zh) * | 2023-01-10 | 2023-03-21 | 广东省测绘产品质量监督检验中心 | 一种图像分割方法、装置、电子设备及存储介质 |
CN115830044B (zh) * | 2023-01-10 | 2024-04-05 | 广东省测绘产品质量监督检验中心 | 一种图像分割方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633717A (zh) | 一种目标检测模型的训练方法和装置 | |
CN114612600B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN111798545A (zh) | 骨骼动画的播放方法、装置、电子设备和可读存储介质 | |
CN114792355A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN108596120B (zh) | 一种基于深度学习的目标检测方法和装置 | |
CN112258386A (zh) | 图像变形加速处理方法及装置、电子设备和可读存储介质 | |
CN110069195B (zh) | 图像拖拽变形方法和装置 | |
CN111158907B (zh) | 数据处理方法及装置、电子设备和存储介质 | |
US11423587B2 (en) | Freeform gradient style blending | |
CN110097525B (zh) | 一种图像渲染方法、装置和计算设备 | |
US8687011B2 (en) | Techniques for efficient sampling for image effects | |
CN111966473A (zh) | 一种线性回归任务的运行方法及装置、电子设备 | |
US9594955B2 (en) | Modified wallis filter for improving the local contrast of GIS related images | |
CN110222777B (zh) | 图像特征的处理方法、装置、电子设备及存储介质 | |
CN110070479B (zh) | 图像变形拖拽点定位方法和装置 | |
US10832466B2 (en) | View-dependent stochastic volume rendering with Monte Carlo ray exploration | |
CN110633595B (zh) | 一种利用双线性插值的目标检测方法和装置 | |
JP2015212964A (ja) | 情報処理装置、方法及びコンピュータプログラム | |
CN112215774B (zh) | 模型训练和图像去雾方法、装置、设备和计算机可读介质 | |
CN115471550B (zh) | 2.5维图像空间几何方位角校正方法、装置、设备及介质 | |
CN118154486B (zh) | 基于频域分解的双流水下图像增强方法、装置和设备 | |
CN115456892B (zh) | 2.5维视景图像自动几何校正方法、装置、设备及介质 | |
WO2022021073A1 (zh) | 神经网络模型的多算子运算方法以及装置 | |
CN116777933A (zh) | 一种图像分割方法、装置、设备及存储介质 | |
CN117999550A (zh) | 一种自适应建表方法、装置,电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |